電力負荷預(yù)測方式探究

馬旭珍

(國網(wǎng)呂梁供電公司)

0 引言

實施電力負荷預(yù)測, 能夠幫助我國電力系統(tǒng)展開發(fā)電計劃以及檢修計劃等各項計劃內(nèi)容的設(shè)置, 可以有效提高整體計劃經(jīng)濟性水平。能夠在有效降低購電成本和發(fā)電成本的同時, 為競價上網(wǎng)提供有效助力,實現(xiàn)對電力市場改革的有效推動, 會對我國電力市場發(fā)展產(chǎn)生積極作用。鑒于此, 需要對電力負荷預(yù)測進行深度分析, 掌握正確預(yù)測方法, 以便更好的利用預(yù)測結(jié)果展開各項管控。

1 電力負荷預(yù)測概述

電力負荷預(yù)測是對安裝在國家機關(guān)以及居民等用戶處所使用用電設(shè)備, 或者描述上述用電設(shè)備所消耗電力電量數(shù)值的預(yù)測[1]。會將電力負荷作為重點內(nèi)容, 進行一系列預(yù)測操作。在具體進行預(yù)測時, 需要對未來用電量以及未來電力需求量等各項內(nèi)容進行分析, 預(yù)測出未來電力負荷空間分布以及時間分布具體情況, 確保能夠為電力系統(tǒng)運行和規(guī)劃工作開展提供有利支撐。

在進行預(yù)測過程中, 氣象因素以及用戶突發(fā)事件等均可能會對預(yù)測結(jié)果產(chǎn)生影響。具體影響因素主要集中在以下幾個方面: ①氣象因素。在設(shè)置負荷預(yù)測模型時, 通常會將氣象部門所提供的天氣預(yù)報信息內(nèi)容加入到其中, 無論是降雨量還是溫度和濕度等, 都有可能會對負荷波動產(chǎn)生直接影響, 如果居民負荷占據(jù)比例相對較大, 此種影響會變得更加突出; ②特殊條件或節(jié)假日。在特殊條件下或者節(jié)假日的環(huán)境中,會出現(xiàn)負荷曲線大幅度下降變形的情況, 例如春節(jié)期間, 因為人員的大量流動而使得各地負荷出現(xiàn)明顯變化, 會直接增加預(yù)測難度; ③用戶突發(fā)事件。此種影響因素主要是指大工業(yè)用戶突發(fā)事件, 強調(diào)如果大工業(yè)用戶裝接容量占比相對較高, 很容易會因為其發(fā)生突發(fā)事件的狀況, 而導(dǎo)致預(yù)測負荷出現(xiàn)嚴(yán)重偏差; ④預(yù)測方法與特性分析。目前部分地區(qū)負荷變化因素以及種類結(jié)構(gòu)等統(tǒng)計還存在有待提高之處, 會對歷史數(shù)據(jù)對照分析工作開展產(chǎn)生不良影響, 無法對相關(guān)變化規(guī)律以及復(fù)合特性進行有效總結(jié), 并不利于負荷預(yù)測工作開展; ⑤管理政策。負荷預(yù)測工作技術(shù)含量相對較高, 但由于該項工作沒有得到足夠重視, 存在考核標(biāo)準(zhǔn)寬松以及基礎(chǔ)薄弱等方面的問題, 和大用戶之間的用電計劃溝通有所忽視, 使得大用戶用電缺乏有序性以及規(guī)劃性。同時, 預(yù)測人員自身綜合素養(yǎng)以及分析能力等, 和現(xiàn)階段標(biāo)準(zhǔn)工作要求也存在一定距離,還需不斷完善[2]。

2 電力負荷預(yù)測方式方法

針對負荷預(yù)測工作開展過程中存在的各項影響因素, 需要結(jié)合當(dāng)?shù)刎摵深A(yù)測要求, 通過對各種預(yù)測方法進行科學(xué)使用的方式, 保證最終結(jié)果準(zhǔn)確度, 確保預(yù)測工作作用能夠得到充分性發(fā)揮。

2.1 人工神經(jīng)網(wǎng)絡(luò)預(yù)測

人工神經(jīng)網(wǎng)絡(luò)會通過對人腦神經(jīng)系統(tǒng)的模仿, 自主完成問題處理以及學(xué)習(xí)等一系列操作, 是高度非線性系統(tǒng)類型。在神經(jīng)網(wǎng)絡(luò)中具有諸多神經(jīng)元節(jié)點, 具備良好的運算功能, 能夠通過利用權(quán)值進行連接的方式完成網(wǎng)絡(luò)構(gòu)建, 會在激勵函數(shù)的作用之下, 達到輸入變量序列向輸出變量序列進行非線性映射的目標(biāo),人工神經(jīng)網(wǎng)絡(luò)模糊性規(guī)律以及非結(jié)構(gòu)性特點較為突出, 具有較強自學(xué)能力, 記憶功能較為理想, 是負荷預(yù)測領(lǐng)域研究重點技術(shù)之一, 神經(jīng)網(wǎng)絡(luò)預(yù)測案例如圖1 所示[3]。

圖1 神經(jīng)網(wǎng)絡(luò)電力負荷預(yù)測案例圖

利用人工神經(jīng)網(wǎng)絡(luò)進行電力負荷預(yù)測過程中, 部分學(xué)者會運用地柜人工神經(jīng)網(wǎng)絡(luò)系統(tǒng), 對地區(qū)電力負荷短期情況進行預(yù)測, 并通過對梯度下降算法的應(yīng)用, 保證收斂速度。根據(jù)結(jié)果顯示, 與傳統(tǒng)處理方法相比, 此種處理方法的運算結(jié)果準(zhǔn)確度以及收斂速度均得到顯著提升, 但存在學(xué)習(xí)參數(shù)設(shè)置不變以及運算量較大等方面的問題。在對BP 算法線路局部極小問題進行深度研究后, 學(xué)者獲得了相應(yīng)解決處理方案,并通過結(jié)合遺傳算法的方式, 增強了全局搜索性能,利用加強局部尋優(yōu)能力的方法, 完成了遺傳神經(jīng)網(wǎng)絡(luò)建設(shè), 使得運算速度得到有效提高, 運算結(jié)果也變得更加準(zhǔn)確。

在使用神經(jīng)網(wǎng)絡(luò)進行電力負荷預(yù)測過程中, 需要做好網(wǎng)絡(luò)輸入變量選擇, 采用模糊粗糙集理論進行信息預(yù)處理的方法, 將BP 網(wǎng)絡(luò)預(yù)設(shè)變量作為主要對象進行訓(xùn)練, 將外部氣象條件以及時間序列等各項影響因素考慮到其中, 以便完成神經(jīng)網(wǎng)絡(luò)輸入變量的尋找[4]。能夠有效規(guī)避收斂速度緩慢以及網(wǎng)絡(luò)拓撲結(jié)構(gòu)復(fù)雜等方面的問題, 整體預(yù)測工作開展效果較為理想。

2.2 模糊預(yù)測

模糊預(yù)測技術(shù)是基于模糊理論, 通過對歷史數(shù)據(jù)以及工作經(jīng)驗進行分析的方式, 以規(guī)則形式進行數(shù)據(jù)呈現(xiàn), 利用計算機完成運行機讀代碼設(shè)置, 進而展開各項計算。該項預(yù)測方法能夠?qū)＜乙鈭D進行清晰描述, 完成電力系統(tǒng)不規(guī)則現(xiàn)象的闡述, 在中長期電力負荷預(yù)測中有著重要作用。需要注意的是, 模糊預(yù)測方法整體學(xué)習(xí)能力相對有限, 在使用時容易出現(xiàn)受人工干擾的情況[5]。

在采用模糊理論進行電力負荷預(yù)測過程中, 一般會通過構(gòu)建聚類預(yù)測模型、指數(shù)平滑過渡模型以及線性回歸模型的方式, 完成相應(yīng)預(yù)測操作。此三種模型的整體預(yù)測精度均較為理想, 算法測量誤差也相對較小。在使用時, 可以使用最佳聚類F 選優(yōu)法展開模糊聚類預(yù)測算法改造, 科學(xué)進行年度用電量的計算, 以便保證最終結(jié)果準(zhǔn)確度。與單一神經(jīng)網(wǎng)絡(luò)算法相比,將神經(jīng)網(wǎng)絡(luò)和模糊邏輯算法結(jié)合在一起進行應(yīng)用, 可以在有效彌補模糊邏輯主觀經(jīng)驗不足的基礎(chǔ)上, 對節(jié)假期以及溫度變化等影響問題進行有效控制, 確保最終預(yù)測結(jié)果精度, 減少節(jié)假期或周末等對于預(yù)測結(jié)果的不良干擾。此外, 可以通過采用RBF 尋找負荷變化規(guī)律的方法, 配合模糊理論完成復(fù)合低估值以及尖峰值的計算, 確保負荷影響因素不明確問題能夠得到妥善處理。在模糊推論理論和神經(jīng)網(wǎng)絡(luò)理論的雙重作用之下, 能夠?qū)崿F(xiàn)對不確定參數(shù)的有效處理, 保證結(jié)果可靠性。

2.3 數(shù)據(jù)挖掘預(yù)測

該項預(yù)測處理方法會通過對海量數(shù)據(jù)進行隱含信息挖掘的方式, 將結(jié)果以直觀易懂的方式呈現(xiàn)出來,冗余信息處理以及大數(shù)據(jù)處理方面有著突出表現(xiàn)[6]?？梢酝ㄟ^對統(tǒng)計學(xué)模糊集、決策樹以及關(guān)聯(lián)規(guī)則等技術(shù)的應(yīng)用, 科學(xué)展開數(shù)據(jù)挖掘操作?？梢栽谶M行數(shù)據(jù)挖掘時, 通過利用時間序列相似性原理, 實施負荷預(yù)測, 保證最終結(jié)果。

2.4 專家系統(tǒng)預(yù)測

在對專家系統(tǒng)進行使用過程中, 會將人類探索自然過程中所獲得的知識經(jīng)驗納入到其中, 對人類思維決策過程進行模擬, 完成相關(guān)問題解決處理。與模糊預(yù)測模式相比, 專家系統(tǒng)預(yù)測方式等于將專家水平量化為計算機語言, 轉(zhuǎn)化相應(yīng)量化數(shù)據(jù)經(jīng)驗, 具有較高的交互性以及透明性特征, 可以準(zhǔn)確獲得結(jié)論對應(yīng)緣由, 確定在檢查推理過程中是否存在問題, 以便及時糾正[7]。整體算法操作難度相對較大, 存在學(xué)習(xí)能力有限以及運行速度較慢等方面的問題, 對于規(guī)則的依賴程度相對較高, 無法對模糊數(shù)據(jù)進行有效處理, 所以無法在所有系統(tǒng)中進行使用。需要運用專家系統(tǒng)展開中長期負荷預(yù)測, 復(fù)合沖擊影響以及數(shù)據(jù)預(yù)處理等內(nèi)容考慮到其中, 保證能夠盡量貼近實際生產(chǎn)需要。

規(guī)則數(shù)目由專家系統(tǒng)模糊推理規(guī)則形式所決定,需要通過科學(xué)設(shè)置推理規(guī)則的方式, 對運輸進行簡化處理, 確保能夠為專家經(jīng)驗優(yōu)化與總結(jié)提供支持, 保證算法速度。可以按照案例推理經(jīng)驗, 完成經(jīng)驗導(dǎo)向型專家系統(tǒng)建設(shè), 保證所獲得知識的簡潔度, 確保能夠達到用戶界面友好以及記憶能力理想的狀態(tài)。

2.5 支持向量機預(yù)測

該預(yù)測手段是以統(tǒng)計學(xué)理論為基礎(chǔ), 通過對有限樣本的使用, 提出結(jié)構(gòu)風(fēng)險最小化原則以及滿足VC維理論機械學(xué)習(xí)規(guī)律的預(yù)測方法, 具有全局最優(yōu)以及計算速度快等方面的優(yōu)勢, 通用性較為理想(支持向量機預(yù)測方法圖如圖2 所示)。在使用時, 會過度依賴經(jīng)驗, 完成核心預(yù)算函數(shù)以及初值的確定, 很容易會受到人為因素干擾。整體模糊現(xiàn)象描述能力相對有限, 存在模型誤差問題, 會造成實際數(shù)值和收斂值之

圖2 基于SVW 的電力負荷預(yù)測圖

3 結(jié)束語

鑒于電力負荷預(yù)測對于電力系統(tǒng)發(fā)展以及電力使用所產(chǎn)生的重要作用, 需要進一步加大對電力負荷預(yù)測工作的研究力度。應(yīng)明確電力負荷預(yù)測的基本內(nèi)容以及具體目標(biāo), 確定預(yù)測過程中可能會出現(xiàn)的各項影響因素, 在此基礎(chǔ)上對數(shù)據(jù)挖掘預(yù)測以及模糊預(yù)測等各項預(yù)測手段進行科學(xué)使用, 保證預(yù)測工作開展質(zhì)量, 確保最終預(yù)測結(jié)果的精準(zhǔn)度, 以便為電力市場發(fā)展以及電力系統(tǒng)發(fā)展提供可靠助力和支持。